ML之SSIM：基于输入图片RGB的三维向量利用SSIM(结构相似性度量)算法进行判别

ML之SSIM：基于输入图片RGB的三维向量利用SSIM(结构相似性度量)算法进行判别

 

目录

输出结果

代码实现

---

 

相关文章
ML之相似度计算：图像数据、字符串数据等计算相似度常用的十种方法简介、代码实现
ML之Hash_EditDistance&Hash_HammingDistance&Hog_HanMing&Cosin&SSIM：基于输入图片利用多种算法进行判别
ML之Hash_EditDistance：基于输入图片哈希化(均值哈希+差值哈希)即8*8个元素的单向vector利用编辑距离算法进行判别
ML之Hash_HamMingDistance：基于输入图片哈希化(均值哈希+差值哈希)即8*8个元素的单向vector利用汉明距离算法进行判别
ML之Hog_HammingDistance：基于Hog特征提取“RGB”图像的768个值的单向vector利用汉明距离算法进行判别
ML之Cosin：基于输入图片RGB均值化转为单向vector利用Cosin(余弦相似度)算法进行判别
ML之SSIM：基于输入图片RGB的三维向量利用SSIM(结构相似性度量)算法进行判别

 

输出结果

 

 

代码实现

 

def Ssim(img_path1,img_path2):from skimage.measure import compare_ssimimg2 = np.resize(img2, (img1.shape[0], img1.shape[1], img1.shape[2]))ssim = compare_ssim(img1, img2, multichannel=True)return ssim

 

 

 

 

 

 

 

 

 

 

 

 

 

 

总结

以上是生活随笔为你收集整理的ML之SSIM：基于输入图片RGB的三维向量利用SSIM(结构相似性度量)算法进行判别的全部内容，希望文章能够帮你解决所遇到的问题。

如果觉得生活随笔网站内容还不错，欢迎将生活随笔推荐给好友。